La modernización de la infraestructura de datos y la implementación de inteligencia artificial (IA) en sectores regulados como la salud, los servicios financieros y el transporte presentan desafíos complejos. La necesidad de cumplir con estrictos requisitos de cumplimiento normativo obliga a las organizaciones a adoptar un enfoque más cauteloso y metódico en sus proyectos de IA. Sin embargo, hay casos de éxito que demuestran que la transformación es posible y efectiva.
Un ejemplo alentador es el de Heidi, un socio de atención médica basado en IA fundado en Australia. Su producto insignia, Heidi Scribe, automatiza gran parte del trabajo administrativo que consume el tiempo de los clínicos en más de 190 países, manejando aproximadamente 2,7 millones de interacciones con pacientes cada semana. Esta expansión ha sido posible gracias a decisiones estratégicas de infraestructura tomadas años antes de alcanzar un nivel global de operaciones, según Yu Liu, cofundador y director técnico de la empresa.
Desafíos de la IA en el sector salud
El sector salud enfrenta requisitos únicos que varían significativamente de una región a otra. Liu explica que, aunque un error del 2% en otras industrias puede considerarse una molestia, en salud puede representar un riesgo clínico. Por lo tanto, la arquitectura debe diseñarse bajo el supuesto de que cada salida será auditada y podría afectar la atención al paciente.
Para Heidi, asegurar la residencia de datos fue un requisito fundamental. Esto significa que los datos de los pacientes deben almacenarse en la región correspondiente, cumpliendo con regulaciones locales como la Ley de Privacidad Australiana, GDPR en Europa y HIPAA en los Estados Unidos. La empresa ha implementado despliegues de producción lógicamente aislados en todo el mundo, donde la audibilidad de los datos está integrada desde el inicio.
La elección de la base de datos adecuada
El manejo de un conjunto diverso de datos médicos recogidos de múltiples fuentes fue otro reto. Heidi optó por una base de datos de documentos para cumplir con sus necesidades, dado que los datos deben estar en un formato consistente y fácilmente conectado a los flujos de trabajo de IA.
MongoDB se destacó como una solución flexible, permitiendo que Heidi se adaptara a los cambios en los datos de IA sin la necesidad de reestructurar continuamente la base de datos subyacente. Liu subraya que el modelo es solo el 20% del sistema, mientras que la arquitectura de datos determina el sostenimiento del 80% restante bajo una carga clínica real.
La implementación de MongoDB Atlas ha resulto en una reducción significativa de la latencia en las API clave, facilitando además la integración de características listas para IA, como la búsqueda vectorial.
La importancia de un sistema RAG confiable
En la atención médica, la recuperación de información se convierte en un problema arquitectónico de datos antes que en un reto de IA. Heidi Evidence garantiza la recuperación de información a partir de bases de datos clínicas licenciadas, individualizando la asistencia según la región y asegurando que el acceso a los datos cumpla con las normativas pertinentes.
La capacidad de realizar consultas separadas dentro de un mismo entorno geográfico permite mantener la seguridad y el cumplimiento normativo sin la complejidad de gestionar una base de datos vectorial independiente, lo cual es crucial en un sector donde la privacidad es primordial.
Escalabilidad y cumplimiento global
Heidi ha diseñado su infraestructura de manera que pueda escalar eficientemente en cualquier región. Cada región cuenta con un despliegue de producción aislado que incluye sus propios clústeres y seguridad, lo que permite a la empresa responder a la demanda del mercado. Esta estrategia ha sido clave en sus recientes lanzamientos en sistemas de salud en EE.UU., donde el uso de su IA ha mostrado resultados prometedores, como una reducción del tiempo de documentación después de horas.
Lecciones aprendidas y futuro en la atención médica
Las decisiones sobre la arquitectura de datos en fábricas de IA son fundamentales desde el inicio del proyecto, tal como ha aprendido Heidi en su evolución. La empresa está ampliando sus capacidades para abordar un flujo clínico completo, desde la preparación previa a la visita hasta la automatización de documentos y flujos de trabajo posteriores.
En la atención médica, la confiabilidad no solo se mide por la disponibilidad del sistema, sino también por la calidad y la coherencia de los datos. Por tanto, cada avance en la infraestructura es una inversión en confianza y seguridad para los clínicos que dependen de la tecnología para ofrecer una atención de calidad.